QuantDinger 实战：自托管 AI 交易操作系统 · 第 3 章 数据层

QuantDinger 实战：自托管 AI 交易操作系统 · 第 3 章 数据层

章节摘要：数据层是五环节地图的第一环，也是全书最「不性感」却最致命的一章。3.1 节讲行情数据源接入：交易所 REST 与 WebSocket 两种通道的分工，K 线、深度、成交三类数据的形态与用途，以及限速、重连、闭合落库这些工程要点（data_sources 为官方模块）。3.2 节讲另一半输入：data_providers 模块聚合的宏观指标、新闻与情绪数据，以及它们作为策略输入的形态——时间对齐的事件与评分序列。3.3 节把前两节攒下的多源数据做统一与质检：时区、精度、交易对符号三重口径归一，缺口检测与回填，一张十项质检清单。垃圾进垃圾出——策略的上限在回测开始之前就被数据质量锁死，这是本章唯一的中心思想。

学习目标

• 为三类行情数据（K 线、深度、成交）选择正确的接入通道并说明理由。
• 复述行情落库的「闭合为准」纪律及其对回测的意义。
• 描述宏观、新闻、情绪数据进入策略的输入形态。
• 说出多源数据的三重不统一（时区、精度、符号）与归一约定。
• 用缺口检测脚本与十项清单对一份数据做完整体检。

核心概念速览

数据层一图流（模块名为官方口径）

  交易所接口 ──▶ data_sources ──┐                ┌──▶ 指标（第4章）
   REST / WS     连接·限速·重连  │   统一与质检    │
                              ├──▶ 规范化落库 ──┤
  宏观/新闻/情绪 ─▶ data_providers│   （3.3）      └──▶ 策略（第5章）
   聚合模块        口径对齐      │
                              ▼
                    PostgreSQL（唯一事实源）
​

一句话金句：垃圾进，垃圾出——策略的上限在回测开始之前就被数据质量锁死。

（文字流程图）多源接入 ──▶ 规范化 ──▶ 落库 ──▶ 质检（缺口、口径、异常值）──▶ 合格才准进入指标与策略。

子章节导航

• 第 3.1 节《行情数据源接入》：REST 与 WebSocket 分工、三类数据、落库节奏与接入要点。
• 第 3.2 节《宏观新闻与情绪数据》：data_providers 聚合能力、输入形态与噪信比提醒。
• 第 3.3 节《数据统一与质检》：三重归一、缺口检测与回填、十项质检清单。

三节按序读：先接入（3.1、3.2），再统一验收（3.3）；质检是前两节的共同出口。

子章节之间的逻辑关系

┌──────────────────┐   ┌──────────────────┐   ┌──────────────────┐
│ 3.1 行情数据源接入 │   │ 3.2 宏观新闻与情绪 │   │ 3.3 数据统一与质检 │
│ K线/深度/成交      │   │ 宏观/新闻/情绪     │ ──▶ 三重归一·缺口回填 │
│ REST+WS 双通道    │   │ 事件与评分形态     │    │ 十项清单验收       │
└────────┬─────────┘   └────────┬─────────┘    └────────┬─────────┘
         │    多源数据各自落库         │                       │
         └────────────┴───────────────────────────────────────┘
                                     ▼
              第 4 章 指标与图表（数据合格后，第一站是把行情翻译成指标）
​

前置知识与后续延伸

• 前置：第 2.3 节行情入库路径；第 1.3 节数据库不外暴露的基线。
• 延伸阅读：《Harness 工程：从零打造智能体运行环境》第 04 章《工具系统》——数据源接入本质是给系统接一组受管工具；《量化投资方法论》第 15 章《批判性思维与研究纪律》——质检清单背后的纪律观。
• 后续：第 4 章《指标与图表》——合格数据的第一消费者。

免责声明：本书仅供研究与教育用途，不构成任何投资建议；实盘交易风险自担，建议长期停留在 paper 模式。